Plotly – 箱线图小提琴图和等高线图

---

本章重点详细了解各种绘图，包括箱形图、小提琴图、等高线图和箭袋图。最初，我们将从箱线图开始。

箱形图

箱线图显示一组数据的摘要，其中包含最小值、第一四分位数、中位数、第三四分位数和最大值。在箱线图中，我们从第一个四分位数到第三个四分位数绘制一个方框。一条垂直线穿过中间的盒子。从表示上下四分位数之外的可变性的框垂直延伸的线称为须线。因此，箱线图也称为箱线图。胡须从每个四分位数到最小值或最大值。

要绘制箱形图，我们必须使用go.Box()函数。数据系列可以分配给 x 或 y 参数。因此，箱线图将水平或垂直绘制。在下面的示例中，某公司在其各个分支机构的销售数据被转换为水平箱线图。它显示了最小值和最大值的中位数。

trace1 = go.Box(y = [1140,1460,489,594,502,508,370,200])
data = [trace1]
fig = go.Figure(data)
iplot(fig)

相同的输出如下 –

所述go.Box（）函数可以给出各种其它参数来控制箱线图的外观和行为。其中之一是 boxmean 参数。

该boxmean参数默认设置为true。因此，框的基础分布的平均值被绘制为框内的虚线。如果设置为sd，也会绘制分布的标准差。

该boxpoints参数的缺省设置为“异常值”。仅显示了位于晶须之外的样本点。如果是“疑似异常值”，则显示异常值点，并且突出显示小于 4″Q1-3″Q3 或大于 4″Q3-3″Q1 的点。如果为“False”，则仅显示框而没有样本点。

在以下示例中，框线是用标准差和异常点绘制的。

trc = go.Box(
   y = [
      0.75, 5.25, 5.5, 6, 6.2, 6.6, 6.80, 7.0, 7.2, 7.5, 7.5, 7.75, 8.15,
      8.15, 8.65, 8.93, 9.2, 9.5, 10, 10.25, 11.5, 12, 16, 20.90, 22.3, 23.25
   ],
   boxpoints = 'suspectedoutliers', boxmean = 'sd'
)
data = [trc]
fig = go.Figure(data)
iplot(fig)

相同的输出如下所述 –

小提琴情节

小提琴图类似于箱线图，不同之处在于它们还显示了数据在不同值下的概率密度。小提琴图将包括数据中位数的标记和指示四分位距的框，与标准箱线图一样。叠加在此箱线图上的是核密度估计。与箱线图一样，小提琴图用于表示不同“类别”之间的变量分布（或样本分布）的比较。

小提琴图比普通箱线图提供更多信息。事实上，箱线图仅显示汇总统计数据，例如均值/中位数和四分位距，而小提琴图则显示了数据的完整分布。

小提琴跟踪对象由graph_objects模块中的go.Violin()函数返回。为了显示底层箱线图，boxplot_visible属性设置为 True。同样，通过将meanline_visible属性设置为 true，小提琴内会显示一条与样本均值相对应的线。

以下示例演示了如何使用 plotly 的功能显示小提琴图。

import numpy as np
np.random.seed(10)
c1 = np.random.normal(100, 10, 200)
c2 = np.random.normal(80, 30, 200)
trace1 = go.Violin(y = c1, meanline_visible = True)
trace2 = go.Violin(y = c2, box_visible = True)
data = [trace1, trace2]
fig = go.Figure(data = data)
iplot(fig)

输出如下 –

等高线图

二维等高线图显示了一个二维数字阵列z的轮廓线，即，内插的行isovalues z与。两个变量的函数的等高线是一条曲线，沿着该曲线该函数具有恒定值，因此该曲线连接等值的点。

如果您想查看某个值 Z 如何作为两个输入X和Y的函数而变化，使得Z = f(X,Y) ，则使用等高线图是合适的。两个变量的函数的等高线或等值线是函数沿其具有恒定值的曲线。

自变量 x 和 y 通常被限制在称为 meshgrid 的规则网格中。numpy.meshgrid 从 x 值数组和 y 值数组中创建一个矩形网格。

让我们首先使用Numpy 库中的linspace()函数为 x、y 和 z 创建数据值。我们从 x 和 y 值创建一个网格，并获得由x2+y2 的平方根组成的 z 数组

我们在graph_objects模块中有go.Contour()函数，它接受 x、y和z属性。以下代码片段显示了如上计算的 x、y和z值的等高线图。

import numpy as np
xlist = np.linspace(-3.0, 3.0, 100)
ylist = np.linspace(-3.0, 3.0, 100)
X, Y = np.meshgrid(xlist, ylist)
Z = np.sqrt(X**2 + Y**2)
trace = go.Contour(x = xlist, y = ylist, z = Z)
data = [trace]
fig = go.Figure(data)
iplot(fig)

输出如下 –

可以通过以下一个或多个参数自定义等高线图 –

• Transpose (boolean) – 转置 z 数据。

如果xtype（或ytype）等于“array”，则 x/y 坐标由“x”/“y”给出。如果“缩放”，x 坐标由“x0”和“ dx ”给出。

• 所述connectgaps参数确定z数据是否间隙填充。

• ncontours参数的默认值是 15。轮廓的实际数量将被自动选择小于或等于 `ncontours` 的值。仅当 `autocontour` 为“True”时有效。

等高线类型默认为：“ levels ”，因此数据表示为显示多个级别的等高线图。如果为constrain，则数据表示为约束，其中无效区域按操作和值参数指定的阴影显示。

showlines – 确定是否绘制轮廓线。

zauto默认为True并确定是否根据输入数据（此处为“ z ” ）或在“ zmin ”和“ zmax ”中设置的边界计算颜色域。当“ zmin ”和“ zmin ”时，默认为“ False ” `zmax` 由用户设置。

箭袋图

箭袋图也称为速度图。它将速度矢量显示为在点 (x,y) 处具有分量 ( u,v ) 的箭头。为了绘制 Quiver 图，我们将使用Plotly中的figure_factory模块中定义的create_quiver()函数。

Plotly 的 Python API 包含一个图形工厂模块，该模块包含许多包装函数，这些函数可以创建尚未包含在Plotly的开源图形库 plotly.js 中的独特图表类型。

create_quiver() 函数接受以下参数 –

• x – 箭头位置的 x 坐标

• y – y 箭头位置的坐标

• u − x 箭头向量的分量

• v − y 箭头向量的分量

• scale – 缩放箭头的大小

• arrow_scale – 箭头的长度。

• 角度– 箭头的角度。

以下代码在 Jupyter 笔记本中呈现一个简单的箭袋图 –

import plotly.figure_factory as ff
import numpy as np
x,y = np.meshgrid(np.arange(-2, 2, .2), np.arange(-2, 2, .25))
z = x*np.exp(-x**2 - y**2)
v, u = np.gradient(z, .2, .2)

# Create quiver figure
fig = ff.create_quiver(x, y, u, v,
scale = .25, arrow_scale = .4,
name = 'quiver', line = dict(width = 1))
iplot(fig)

代码的输出如下 –